公司核心投资策略 - 采用系统性投资方法，运用可重复、基于规则的过程，结合技术从传统经济和另类数据中获取洞察以生成投资建议 [6] - 核心目标是产生持续且差异化的阿尔法收益，并在不同市场周期中保持稳定，五年期内约90%的基金表现优于同行中位数 [5] - 投资期限设定为三至四个月的中期视角，与许多量化机构通常采用的日内等较短期限形成区别 [2] 技术与数据分析能力 - 广泛使用另类数据和现代技术，特别是机器学习、人工智能和大型语言模型，将数据转化为主动投资组合的预测 [3][11] - 依赖的市场信号数量从1985年成立时的3个增长至目前的超过1000个 [5] - 具体另类数据应用包括：分析美国约3000万个在线职位发布数据以评估劳动力市场健康状况和通胀前瞻指标 [7][8]；聚合社交媒体信息分析市场情绪和零售投资者对不同公司的看法 [9] - 技术栈持续演进，涵盖多语言、多模态（文本、语音、视频、图像）处理能力 [12] 人工智能与机器学习的应用与挑战 - 生成式AI和大型语言模型用于阅读大量文本（如另类数据集、社交媒体、财经新闻、监管文件），在证券选择和宏观投资中扮演金融分析师角色，提供效率、可扩展性和精准度 [11][15] - 使用机器学习特别是神经网络进行投资组合构建，这是相对少见且具差异化的技术应用 [13] - AI应用存在局限性：通用大型语言模型对金融服务垂直领域深度理解不足；在回测或模拟时，模型的时间点控制至关重要，需避免“预见偏差” [16][17] - 除生成式AI外，还深度应用强化学习、深度学习等其他AI技术 [18] 产品线与财务顾问合作 - 为财务顾问提供三类主要产品：基准驱动的主动共同基金、市场中立液体替代基金以及主动ETF [23][24] - 具体基金表现：Global Equity Market Neutral Fund (BDMIX) 五年总回报率为10.85%，高于晨星同类平均7.14%；Systematic Multi-Strategy Fund (BIMBX) 十年总回报率为4.94%，高于晨星同类平均3.02% [24][26] - 液体替代基金定义为全球股票市场中性多空基金，保持合理市场中性，每日流动性，与标普500相关性接近零，被顾问用作固定收益替代品和投资组合多元化工具 [26] - 产品吸引力因机构类型而异：主动ETF对模型构建者有吸引力；基准驱动共同基金在部分wirehouses中受关注；液体替代基金在RIA和wirehouses中采纳率均较高 [25] 团队构成与资源投入 - 全球系统化投资团队由230人组成，跨资产类别和地区协同工作 [1][5] - 人才策略是融合具有金融/经济背景和工程/计算机科学/机器学习背景的人才共同解决问题 [28] - 公司每年在数据、技术、系统开发上投入数百万美元，并利用贝莱德的规模优势推动阿尔法生成的规模效应 [22] - 贝莱德公司层面设有AI实验室，已持续投入六七年，并与斯坦福/伯克利教授合作 [29]